228 Arbeiten
Die Neurologie erforscht das komplexeste Organ unseres Körpers: das Gehirn und das Nervensystem. In diesem Bereich werden Studien durchgeführt, die alles von der Entstehung von Krankheiten wie Parkinson und Alzheimer bis hin zu den Mechanismen von Schlaganfällen und seltenen neurologischen Störungen beleuchten. Diese Forschung liefert entscheidende Einblicke, wie wir denken, fühlen und uns bewegen, und ebnet den Weg für innovative Behandlungsansätze.
Auf Gist.Science haben wir diesen Prozess für Sie vereinfacht. Wir durchsuchen täglich medRxiv, die führende Plattform für medizinische Vorveröffentlichungen, und bearbeiten jedes neue Papier in der Kategorie Neurologie. Für jeden Beitrag erstellen wir eine verständliche Zusammenfassung in einfacher Sprache sowie eine detaillierte technische Analyse, damit Sie die neuesten Erkenntnisse sofort nachvollziehen können, ohne in Fachjargon zu versinken.
Hier finden Sie die aktuellsten Forschungsarbeiten aus dem Bereich der Neurologie, die wir kürzlich für Sie aufbereitet haben.
Diese Studie zeigt, dass die Integration von Instantaneous Frequency und Instantaneous Amplitude in EEG-Mikrozustände ein verbessertes Verständnis der neurodegenerativen Netzwerkdysfunktion bei Alzheimer ermöglicht, indem sie spezifische Veränderungen in der Prävalenz bestimmter Hirnzustände im Vergleich zu gesunden Kontrollpersonen aufdeckt.
Diese Pilotstudie zeigt, dass adaptive und konventionelle tiefe Hirnstimulation bei Parkinson-Patienten auf Bevölkerungsebene vergleichbare Wirksamkeit aufweisen, wobei individuelle Krankheitsmerkmale die Behandlungsergebnisse beeinflussen könnten und größere Studien zur Identifizierung geeigneter Patientengruppen erforderlich sind.
Die Studie stellt eine neuartige, implantierbare Plattform vor, die durch bidirektionale Kommunikation mit Patienten und den Einsatz von KI-gestützten Large Language Models die Echtzeit-Überwachung und das gemeinsame Management von Epilepsie revolutioniert, indem sie Biomarker analysiert, personalisierte Einblicke bietet und Algorithmen automatisch optimiert.
Die Studie stellt MELD-PostOp vor, ein Open-Source-Deep-Learning-Tool, das auf einer großen, internationalen Kohorte trainiert wurde und postoperative Resektionshöhlen bei fokaler Epilepsie auf MRT-Bildern mit hoher Genauigkeit und einer 100- bis 200-fach schnelleren Verarbeitungszeit als bestehende Methoden automatisch segmentiert.
Diese Studie definiert das klinische Spektrum der IRF2BPL-assoziierten Störung anhand von Patientendaten und zeigt, dass Missense-Varianten im Vergleich zu truncierenden Mutationen mit einer weniger schweren Krankheitsausprägung einhergehen.
Die Studie zeigt, dass ein auf Epilepsiepatienten trainiertes hierarchisches Bayesianisches Modell (MS-HBM) mithilfe kurzer Ruhe-fMRI-Daten individuelle Sprachnetzwerke präzise abbilden und deren Topographie zuverlässig zur Vorhersage der Sprachdominanz für die Epilepsiechirurgie genutzt werden kann.
Diese Studie charakterisiert mittels instrumentierter 3D-Ganganalyse bei 18 Betroffenen mit STXBP1-assoziierten Erkrankungen ein heterogenes Gangbild mit häufiger Außenrotation des Fußes, identifiziert das Alter beim Erlernen des selbstständigen Gehens als Prädiktor für die spätere Mobilität und bestätigt die hohe Übereinstimmung der objektiven Messdaten mit der Edinburgh Visual Gait Score.
Die Studie zeigt, dass die gezielte Long-Read-Sequenzierung (Amp-LRS) eine sensitive, vielseitige und kosteneffiziente Methode zur funktionellen Validierung von nicht-kodierenden Varianten darstellt, die das Spleißen beeinflussen, und somit die molekulare Diagnose seltener neurologischer Erkrankungen verbessert.
Diese prospektive Studie zeigt, dass eine Kombination aus Sehstörungen und bestimmten genetischen Risikofaktoren (wie GBA-Varianten und Polygenic Risk Scores) die Progression von Parkinson-Erkrankungen zu kognitiven Beeinträchtigungen und Demenz vorhersagen kann, was die gezielte Auswahl von Hochrisikopatienten für klinische Studien ermöglicht.
Diese Studie nutzt ein datengestütztes, multimodales Subtypisierungsverfahren auf der Basis von 121.322 Teilnehmern der „All of Us"-Kohorte, um vier klinisch relevante Risikogruppen kognitiv unbeeinträchtigter Erwachsener zu identifizieren, die sich in ihrem MCI-Risiko und ihrem unterschiedlichen Ansprechen auf kardiometabolische Therapien signifikant unterscheiden, was die Notwendigkeit präziser, pathway-spezifischer Präventionsstrategien unterstreicht.